本研究探讨了基于混合物理的数据驱动代理模型，利用循环神经网络（RNN）进行异质材料的微观分析。引入适用于速率依赖性材料的PRNN架构，显著提高了模型的预测能力和计算效率，实现了三倍加速。研究表明，迁移学习能够有效适应不同应变条件，为编织复合材料的响应建模提供了有用工具。